深度学习中利用caffe如何训练自己的模型

发布网友发布时间：2022-05-03 03:57

共2个回答

热心网友时间：2023-10-09 03:03

作者：圣行
链接：https://www.hu.com/question/30091667/answer/47951446
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

matlab 和python没有用过。如果是习惯用opencv的话，可以使用memory_data，请参考这个链接里的例子：C++ Image Classification with memory_data_param · Issue #1443 · BVLC/caffe · GitHub

给一个具体点的例子吧（不知道贴代码是不是有点不合知乎气质？），总共分三步：
第一步，构造网络：
enum Phase p = TEST;
Net<float> caffe_test_net(argv[1],p);
caffe_test_net.CopyTrainedLayersFrom(argv[2]);

第二步，构造数据并加入到网络输入层：
//create the input data
vector<Mat> md_images;
vector<int> md_labels;
//////operations for the input data
Mat original = imread("images\\lena_gray.png"); //随便的图片，没有实用意义，可忽略

Mat *sub_img = new Mat;
for (int i = 0; i < 10; i++){
original(Range(i, i + 28), Range(i, i + 28)).copyTo(*sub_img); // 28x28，可以直接用lenet
md_images.push_back(*sub_img);
md_labels.push_back(0);
}

第三步，执行test操作：
for (int i = 0; i < 10; i++){
const vector<Blob<float>*>& result = caffe_test_net.ForwardPrefilled();

热心网友时间：2023-10-09 03:03

一、流程
1)准备数据集
在深度学习中，数据集准备往往是最难的事情，因为数据涉及隐私、商业等各方面，获取难度很大，不过有很多科研机构公布了供学习使用的数据集，我们可以在网上下载。还有一种获取的途径是论文，查阅国内外相关的论文，看他们是如何获取到数据集的，我们也可以使用他们所采用的数据集。
2)数据转换为lmdb格式
生成lmdb格式的文件通过脚本来实现，这就需要我们自己编写脚本文件，这里遇到了一些坑，首先使用vim创建脚本文件create1.sh
3)计算均值并保存（非必需）
图片减去均值再训练，会提高训练速度和精度。因此，一般都会有这个操作。
caffe程序提供了一个计算均值的文件compute_image_mean.cpp，我们直接使用就可以了
4)创建模型并编写配置文件
5)训练和测试
如果前面都没有问题，数据准备好了，配置文件也配置好了，这一步就比较简单了。直接训练即可，可以实时在命令行下查看其精度与loss。
这种训练方式太麻烦了，我用过一款叫大智大通的产品还不错，免费的，直接上传数据它自己就训练好了，地址是三个w点icccall点com。